Tendance #4 : L’analytique intégrée pour des métiers autonomes | MicroStrategy
BI Trends

Tendance #4 : L’analytique intégrée pour des métiers autonomes

Quel est le principal problème auquel sont confrontés les utilisateurs métiers en analytique ? Le temps qu’ils perdent à rechercher, nettoyer, et valider des données plutôt qu’à tirer parti d’analyses pertinentes au service de leur quotidien opérationnel. C’est le rôle de l’analytique intégrée que de les soulager de ces tâches.

Les métiers, main dans la main avec l’IA

Le volume des données augmente. Il n’est déjà plus possible de les traiter en un temps raisonnable. De quoi décourager les entreprises qui ont entrepris de rendre l’analytique plus accessible et d’aider les métiers à améliorer leurs décisions opérationnelles. Faute de tableaux de bord mis à disposition en suffisance, de façon régulière et surtout en rapport direct avec les problématiques métiers et contextualisés (pour lesquels une armée de data scientists suffirait à peine), les métiers se rabattent sur des outils dépassés. Ils prennent en outre le risque de travailler sur la base de données erronées, aboutissant à un retour sur investissement très négligeable.

Tout l’intérêt de l’analytique intégrée aux applications d’entreprise est d’apporter cette puissance décisionnelle aux métiers sans y perdre son latin ni son temps. Parmi les nombreuses techniques d’Intelligence Artificielle, le Machine Learning en particulier permet de produire, de consommer et de partager le contenu analytique, de façon automatique. Et surtout de rendre les métiers vraiment autonomes, à terme, en matière d’analytique.

Cas d’usages et perspectives

Pour faire ses premiers pas avec l’analytique intégrée, il n’est pas nécessaire de se lancer dans des projets pharaoniques. L’analytique intégrée est un processus itératif. Il ne devrait débuter que sur des périmètres de taille réduite, afin d’en tirer des enseignements utiles pour un déploiement futur à plus grande échelle.

Au demeurant, les choix et les possibilités ne manquent pas pour débuter. Calcul d’un itinéraire idéal pour les chauffeurs routiers, évaluation des probabilités de succès d’un échange téléphonique pour le service clientèle, anticipation des pannes en industrie… à l’entreprise d’identifier les cas d’usages les plus aptes à produire des résultats identifiés, sur la base d’indicateurs réalistes.

Rappelons-nous en revanche que les possibilités qu’offre le Machine Learning ne sont pas encore entièrement définies. L’erreur serait de rester cantonné à de l’analyse descriptive et de noyer à nouveau les utilisateurs sous les informations et les dashboards. Les décisions quotidiennes opérationnelles ne doivent pas être prises uniquement sur la base des leçons du passé mais bien à partir des perspectives attendues, dans une optique prescriptive. Pour que l’analytique intégrée porte ses fruits et participe à la réussite de l’entreprise, il faudra lui laisser suffisamment de liberté d’expression et de création.

Pour en savoir plus, téléchargez l’ebook « Bâtir son Entreprise Intelligente : 10 tendances de l'analytique d'entreprise à suivre les 10 prochaines années ».

Comments Blog post currently doesn't have any comments.